GPT-6.1 Terra Pro vs. GPT-6.1 Sol: elige por el trabajo, no por la tarjeta de precios

GPT-6.1 Terra Pro frente a GPT-6.1 Sol es la comparación que la gente busca, pero solo un lado de ese nombre es real: el modelo de OpenAI es GPT-6.1 Terra, y «Pro» es una etiqueta de plan de ChatGPT, no una variante. La comparación que importa es GPT-6.1 Terra frente a GPT-6.1 Sol, dos modelos de la misma generación con la misma ventana de contexto de 1,05 millones de tokens, el mismo límite de salida de 128.000 tokens y una diferencia de precio de dos a uno. La pregunta útil no es cuál es mejor. Es cuál es mejor en el trabajo que estás a punto de encomendarle.

Ese enfoque cambia la respuesta. En el índice independiente, Sol está cuatro puntos por delante. En precio, Terra cuesta la mitad. En velocidad, Terra es más de tres veces más rápido según la propia medición de OpenAI. Ninguno de esos tres hechos decide el enfrentamiento por sí solo, porque cada uno se corresponde con una parte distinta de una carga de trabajo: calidad, coste y latencia. El modelo que gane depende de cuál de esas tres cosas le falta realmente a tu tarea.

La respuesta corta

Si el trabajo es un agente de navegador o de escritorio que hace clic en aplicaciones, un flujo de relleno de formularios, una cola de facturas, un plano técnico que tiene que convertirse en un modelo o un documento que debe redactarse con claridad a partir del material proporcionado, empieza con GPT-6.1 Terra. Si el trabajo es una refactorización prolongada, una funcionalidad de varios archivos, una sesión de depuración difícil, un documento profesional denso o una tarea de investigación que se prolonga durante horas, empieza con GPT-6.1 Sol. Si necesitas el nivel de pago más rápido que vende OpenAI, Sol es el único de los dos que tiene una opción Ultrafast.

Esa es la forma que tiene. El resto de este artículo son las pruebas, los puntos donde esa forma se rompe y los ajustes que pueden invertir la respuesta.

Dos modelos, dos trabajos

El cometido de GPT-6.1 Terra es el día a día laboral: razonamiento visual, control de computadoras y redacción que se lee como si una persona la hubiera escrito a partir de material que alguien le proporcionó. El anuncio de OpenAI menciona la redacción de propuestas, la interpretación de dibujos técnicos, el llenado de formularios y la edición de video. El cometido de GPT-6.1 Sol es el trabajo más difícil y prolongado: programación cercana a Astra y documentos profesionales, y OpenAI recomienda Sol o Astra para las tareas de programación más complejas incluso en la publicación de lanzamiento de Terra.

Ted Sanders, de OpenAI, citado en la cobertura del día del lanzamiento, planteó el trueque con mayor franqueza: Terra es mejor que Astra y Sol en comunicación técnica, similar en visión y uso de computadora pero mucho más rápida, y un poco peor en la mayoría de las demás cosas. Esa es una descripción del proveedor y no un hallazgo independiente, y resulta útil porque nombra el trueque en lugar de ocultarlo.

Ambos modelos comparten el mismo esqueleto: 1,05 millones de tokens de contexto, 922.000 de entrada máxima, 128.000 de salida máxima, entrada de texto e imágenes, endpoints de Chat Completions y Responses, y sin ajuste fino. Las diferencias son la fecha de corte del conocimiento (Terra, 1 de junio de 2026; Sol, 30 de abril de 2026), el nivel mínimo de razonamiento (Terra no acepta ninguno; Sol parte de bajo), el nivel de velocidad (Sol tiene Ultrafast; Terra no) y la tarjeta de precios.

Donde los benchmarks se separan

Artificial Analysis es la lectura independiente más limpia: 48 para Terra con el máximo esfuerzo frente a 52 para Sol, puestos 25 y 13 de 221, y $0.40 frente a $0.72 por tarea del índice. Cuatro puntos del índice son una brecha real, pero es el tipo de brecha que una evaluación específica de la tarea puede eliminar en una dirección u otra.

• Índice general — Terra 48 vs Sol 52 (Artificial Analysis).

• Coding Agent Index v2.0 — Terra 48 vs Sol 54, con GPT-6 Luna en 31 (Artificial Analysis).

• Terminal-Bench 4.0 — Terra 50,3 % con el máximo esfuerzo; OpenAI no publicó ninguna cifra de Sol junto con el lanzamiento de Terra (según el proveedor).

• Terminal-Bench-Science 0.1 — OpenAI afirma que Terra con el máximo esfuerzo supera a Sol con un coste menor y queda a menos de cinco puntos de Claude Opus 5.5 con menos de una quinta parte del coste estimado (según datos del propio proveedor, y la afirmación más sorprendente del lanzamiento).

• Examen de análisis de datos de Plotly — Terra 40/43, Sol 43/43, Luna 38/43, a $1.31 frente a $2.61 por el examen; Terra fue el modelo más rápido en alcanzar 40 o más, a unos 15 segundos por pregunta (evaluación de terceros).

• OSWorld 2.1 — OpenAI afirma que Terra en esfuerzo medio supera la mejor puntuación de GPT-5.6 Terra a una fracción del coste, pero no publicó ninguna cifra de comparación directa con Sol, así que la afirmación sobre uso de computadora que más importa para el posicionamiento de Terra es la que cuenta con la evidencia directa más escasa.

Lee esa lista como un mapa de dónde se sitúan los cuatro puntos. La ventaja de Sol se concentra en la programación y el razonamiento a largo plazo. La ventaja de Terra es la velocidad, el precio y la fecha de corte más reciente. En el único benchmark que OpenAI eligió publicar directamente contra Sol, Terminal-Bench-Science 0.1, Terra gana con un coste inferior, lo que es o bien una sorpresa genuina o un efecto de selección de benchmark. Nadie fuera de OpenAI lo ha reproducido.

El dial de esfuerzo decide más que el modelo.

Ambos modelos exponen el esfuerzo de razonamiento, y la configuración puede costar más que la elección del modelo. El mínimo de Terra es none, lo que lo vuelve inusualmente barato para extracción y clasificación; el mínimo de Sol es low, así que una llamada a Sol siempre paga por algo de razonamiento. En el extremo superior, Terra en xhigh puede consumir más tokens y costar más que Sol en low mientras obtiene peores resultados en la misma tarea, una observación que los comentaristas de Hacker News hicieron a las pocas horas del lanzamiento. No lo hemos medido nosotros mismos, y es aritméticamente plausible: el esfuerzo cambia el número de tokens de forma multiplicativa, mientras que la diferencia de precio es solo de 2×.

La regla práctica consiste en fijar el esfuerzo mediante la evaluación, no por costumbre. Ejecuta cincuenta tareas reales con ambos modelos en dos niveles de esfuerzo, establece un umbral de calidad y elige la combinación más económica que lo supere. Comparar Terra y Sol con el mismo esfuerzo nominal es el error más frecuente en este enfrentamiento y el que más probabilidades tiene de dar lugar a una respuesta incorrecta.

Cuánto cuesta una tarea terminada

• Entrada — Terra $1.00 por millón de tokens frente a Sol $2.00.

• Entrada en caché — $0.05 vs $0.10.

• Salida — $5.00 vs $10.00.

• Escrituras en caché — $1.25 con retención de 30 minutos o $2.50 con retención de 12 horas para Terra; $2.50 para Sol.

• Prompts largos: por encima de 272.000 tokens de entrada, se cobra el doble de la tarifa de entrada y de caché, y 1,5 veces la tarifa de salida durante toda la solicitud.

• Costo medido por tarea de indexación: $0.40 para Terra frente a $0.72 para Sol, un ahorro del 44% en lugar del 50% que implica la tabla de precios, porque Terra puede consumir más tokens con el nivel de esfuerzo máximo.

Un ejemplo práctico con supuestos claros: 2000 tokens de entrada y 500 tokens de salida por documento, sin caché. Terra cuesta $0.002 por entrada más $0.0025 por salida, o $0.0045 por documento. Sol cuesta $0.009. Un millón de documentos son $4500 frente a $9000. Si la mitad de la entrada está en caché, el coste de entrada de Terra se reduce a la mitad nuevamente; el de Sol cae en la misma proporción, así que la proporción se mantiene. La diferencia se amplía solo donde la configuración none de Terra es utilizable, y se reduce donde Sol termina la tarea en menos tokens.

El acceso forma parte de la comparación.

Terra está disponible en la API y en ChatGPT Work y Codex en los planes Plus, Pro, Enterprise y Edu; el anuncio de OpenAI no incluye el selector principal de Chat. Sol está disponible en la API y en ChatGPT, y es el único de los dos con un modo Ultrafast; ambos ofrecen Fast al doble del precio estándar. En un plan Pro 500, Ultrafast consume el uso incluido a ocho veces la tarifa estándar y los créditos comprados a seis veces, así que «más rápido» es tanto una decisión de facturación como de latencia.

En el lado del enrutamiento, la asimetría es sencilla. GPT-6.1 Sol está en el catálogo de OrcaRouter a precio de lista, $2 de entrada y $10 de salida, sin recargo, por lo que un cambio de precio del proveedor se traslada en las mismas condiciones. GPT-6.1 Terra aún no está en el catálogo a fecha de 27 de octubre, así que las llamadas a Terra tienen que ir a la propia API de OpenAI; eso es un hecho sobre el catálogo actual, no una posición permanente. La conmutación automática por error entre los modelos que sí ofrecemos es la razón para mantener configurada una segunda vía incluso cuando un modelo es claramente más barato.

Una regla de selección que puedes aplicar esta semana

• {{1}}Clasifica la tarea según lo que necesita: el control de pantalla y la producción de documentos apuntan a Terra; el código, el razonamiento prolongado y la investigación densa apuntan a Sol.{{/1}}

• Fija un umbral de calidad en tus propios datos antes de mirar la tarjeta de precios. Cuatro puntos de índice no son un umbral de calidad; tu evaluación sí lo es.

• Prueba con dos niveles de esfuerzo, no con uno. Terra en ninguno frente a Sol en bajo es una comparación distinta de Terra en máximo frente a Sol en máximo.

• Calcula el precio de la tarea terminada, incluyendo reintentos y llamadas a herramientas. La aritmética por token subestima al modelo que necesita más turnos.

• Mantén al perdedor como brazo de conmutación por error. El modelo más barato que está limitado por tasa no es barato.

Si enrutas a través de OrcaRouter, ese último paso es configuración en lugar de código: una clave, una regla de enrutamiento por clase de tarea y conmutación por error cuando un proveedor se degrada. Los dos modelos pueden estar detrás del mismo endpoint una vez que Terra esté incluido; hoy solo Sol lo está.

¿Qué cambiaría la respuesta?

Tres cosas. Una evaluación de programación independiente que sitúe a Terra cerca de Sol derrumbaría el principal motivo para pagar el doble. Un cara a cara publicado de OSWorld 2.1 zanjaría la afirmación sobre el uso del ordenador que OpenAI dejó implícita. Y una inclusión de Terra en los routers haría que la historia de conmutación por error fuera real y no aspiracional. Hasta entonces, la opción por defecto defendible es Terra para volumen y trabajo de pantalla, Sol para código y razonamiento largo, y una evaluación de por medio en lugar de un eslogan.